Duda acerca del método de cálcula de la varianza en previsión

[lmperez]

Buenas, tengo una duda acerca de cómo se calcula la sigma en previsión cuando se llama al método de previsión bayesiana. Desconozco cómo es, pero al compararla con la típica que duelve ErrorForecast (adjunto el código debajo) es muy diferente.

Podéis verlo compilando en el ejemplo de matriculación de vehículos la carpeta model.1 y ejecutar esto:

Anything submodelPF::GetOutput.Forecast.Sigma(?);
Serie outputF::GetSigma(?);

//////////////////////////////////////////////////////////////////////////////
Serie ErrorForecast(Real lengthFor, Real sigma,
                    Date origen, // ultima fecha de estimacion
                    Ration psiw, TimeSet dtn)
//////////////////////////////////////////////////////////////////////////////
{
  Real  sigma2    = sigma^2;
  Date  fsFor     = Succ(origen, dtn, 1);
  Date  lsFor     = Succ(origen, dtn, lengthFor+1);
  Polyn psi       = Expand(psiw, lengthFor);
  Serie zero      = CalInd(W,dtn);
  Serie psiSer    = SubSer(psi:(zero + Pulse(origen,dtn)), origen, lsFor);
  Serie psiSer2   = psiSer^2;
  Serie error2    = sigma2 * DifEq(1/(1-B), psiSer2, 0);
  Serie error     = SqRt(error2)
};

[Pedro Gea]

La duda que planteas es sobre cual es la diferencia entre las llamadas previsión puntual y previsión bayesiana.

Básicamente la previsión puntual (CalcForecasting) da por ciertos los parámetros y la única fuente de error es la incertidumbre natural del ruido o perturbaciones del modelo:

  Output = Noise + Filter
  Output.Error = Noise.Error   ;   Filter.Error = 0

Sin embargo la llamada previsión bayesiana (más completa) considera el error de estimación de los parámetros como otra fuente de error en previsión.
De modo que no sólo aparece un nuevo error en el filtro del modelo, sino que el error del noise se ve afectado por el error de los parámetros ARIMA.